基于LP范数最大化的线性判别分析

1.版本：matlab2021a，我录制了仿真操作录像，可以跟着操作出仿真结果 2.领域：稀疏编码 3.内容：基于Lp范数求解正则化相关数据稀疏编码的matlab仿真+仿真录像

Matlab的耳语代码无码 该存储库适用于以下论文中介绍的具有Lp范数约束的非凸优化（NOLC），并且是在Matlab R2014a中构建的。 Zhang T，Wu H，Liu Y，et al。 [J]。 遥感，2019，11（5）：559。 有关我的更多信息，您可以访问我的。 内容 介绍 红外搜索与跟踪（IRST）系统已被广泛使用，红外小目标检测领域也受到了广泛的关注。 在此背景下，本文提出了一种基于具有Lp范数约束（NOLC）的非凸优化的红外小目标检测方法。 NOLC方法用Lp范数增强了稀疏项约束，同时适当地缩放了低秩项的约束，因此NP难问题转化为非凸优化问题。 首先，将红外图像转换为斑块图像，然后通过乘数的交替方向方法（ADMM）对其进行求解。 通过改进收敛策略，给出了一种有效的求解器。 实验表明，NOLC能够准确地检测出目标并极大地抑制了背景，证明了NOLC方法在检测效率和计算效率上的优势。 图1.具有不同p值的几何。 从左上到右下分别等于2.8、1.4、1、0.7。 图2.红外图像的低秩特性和稀疏性说明。 方法 图3. NOLC模型的检测流程。 下表中给出了NOLC模型的迭代

基于矩阵的IRLS算法用于二维FIR滤波器的最小lp范数设计